正交匹配追踪（Orthogonal Matching Pursuit, OMP）的MATLAB实现

压缩感知（Compressed Sensing, CS）是一种利用稀疏信号的先验知识，用远少于奈奎斯特采样定理要求的样本数目恢复整个信号的技术。正交匹配追踪（Orthogonal Matching Pursuit, OMP）是一种常见的贪婪算法（Greedy algorithm），用于解决压缩感知中的信号重构问题。OMP算法试图找到一组稀疏基，这些基与测量值之间有最大的相关性，并且用于迭代地重构原始信号。

OMP算法

下面是OMP算法的简要步骤：

1. 初始化残差 ( r_0 = y )，其中 ( y ) 是测量向量，稀疏性基矩阵 ( \Phi )，观测矩阵 ( \Psi )，支撑集 ( \Lambda = \emptyset )（选择的基函数的索引集），和迭代计数器 ( k = 0 )。

2. 找到与当前残差最相关的列向量（原子） ( \phi_i )
   ( i = \arg\max_{j} | \langle r_k, \phi_j \rangle | )。

3. 将选中的索引 ( i ) 加到支撑集 ( \Lambda ) 中 ( \Lambda = \Lambda \cup {i} )。

4. 用最小二乘法从支撑集( \Lambda )上的列构建信号的近似解，即解线性方程 ( \Psi_{\Lambda} x’ = y )，得到( x’{\Lambda} )，在( \Lambda )上的系数，其中 ( \Psi{\Lambda} ) 表示 ( \Psi ) 的列仅包含 ( \Lambda ) 中索引对应的列。

5. 更新残差 ( r_{k&